车载激光扫描数据的结构化道路自动提取方法

车载激光扫描系统获取的结构化道路环境(城市道路/高速公路)点云数据量大、目标复杂,难以有效提取出道路的点云。本文通过分析扫描线上激光点云的空间分布和统计特征,提出一种适用于结构化道路环境的道路点云自动提取方法。在Optech公司提供的两份车载激光扫描点云数据中,道路提取结果的完整率、准确率、提取质量相应地超过94.92%、95.80%和91.13%。通过定量和定性的试验分析,该方法不仅适应于有固定道路宽度的规则道路提取,同样适用于无固定宽度的非规则道路提取。

车载激光点云道路边界提取的Snake方法

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。

智能交通系统中道路标识线自动提取方法

近年来,随着激光扫描技术在三维数据采集中广泛应用,为智能车辆和无人驾驶车的研究领域中道路标识线的自动提取提供了解决方法。本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效的从离散点云中提取道路标识线的方法。通过高速公路扫描数据处理案例,实现了高速公路虚实标识线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。

复杂几何对象高精度数字化重建理论与方法

该研究的目标:研究多源、异构数据特征感知与融合的技术与方法,针对文化遗产的数字化复原需求,研究多源数据融合的文化遗产高精度重构方法,建立文化遗产的多尺度高精度表达模型,为文化遗产数字化存档、虚拟修复、个性化展示等提供科学依据。为此,我们提出了一种基于空间曲率特征和形状特征的高精度点云自动配准方法。在曲率特征点的计算基础上利用点云聚类传播和脊线提取技术,提取出信息量丰富的三维脊线,融合形变能量模型和最小二乘匹配方法,全面地描述空间曲线的形状特征,同时利用曲线间的空间关系和最佳转换参数筛选策略,完成高精度点云自动配准。通同时提出了一种基于兴趣边缘优化的壁画影像与激光扫描数据非刚性配准和高精度纹理映射方法。利用激光扫描数据的强度信息生成强度影像,以壁画彩色影像的兴趣边缘和强度影像的梯度场作为配准基元,在影像刚性配准基础上,对每条兴趣边缘进行优化配准,然后以优化后边缘的特征点为控制,构造影像之间的非刚性变换模型,完成壁画影像与激光扫描数据的配准。针对缺失的几何部件,该课题主要研究基于拉普拉斯算子的石质文物点云模型骨架线提取方法、不同尺度空间曲线相似度的分析方法来进行文物虚拟修复,提高交互式文物虚拟修复的可靠性。通过对敦煌莫高窟159号洞窟佛像的激光扫描数据(共22.4G,点云精度1 mm)和纹理数据的多次自动配准实验表明该课题在文化遗产高精度数字重建的效果显著。

基于LightGBM的车载激光点云电力线快速提取方法

以车载激光点云数据为对象,提出一种基于轻型梯度增强学习器LightGBM(Light Gradient Boosting Machine)的电力线快速提取方法。该方法首先分析车载激光点云邻域范围内电力线和其他地物类型的基本特征,构建描述电力线点云的特征向量;其次训练基于LightGBM模型的电力线点云分类器,用于提取车载激光点云中的电力线;最后选择3个车载激光点云数据集对该方法的有效性进行了测试。实验结果表明:所提方法的分类效果与最优的梯度提升决策树GBDT(Gradient Boosting Decision Tree)算法持平,但时间效率上有显著提升,仅为GBDT方法的27.29%。同时,所提出的算法能够从海量的车载激光点云中快速提取电力线,可以用于支撑城市中电力线巡查与改造应用需求,具有重要的实践意义。

车载激光扫描数据中实线型交通标线提取

本文提出一种基于路面点云强度增强的车载激光点云实线型交通标线提取方法。首先通过预处理提取路面点云,获取各激光点与轨迹线的距离。然后逐段对路面进行强度增强,集合多滤波器集成的策略进行强度变换和去噪,消除距离、点密度、磨损等因素对反射强度值影响,增强路面点云和标线的强度差异。基于增强后的反射强度,采用k均值聚类和连通分支聚类等方法对标线进行分割,并利用归一化图割方法优化强度分割结果。最后利用实线型标线的语义信息和空间分布特征从分割后标线对象中识别实线型交通标线。试验采用四份不同车载激光扫描系统获取的数据用于验证本文方法有效性,实线型标线提取结果的准确率达到95.98%,召回率达到91.87%,综合评价指标F 1-Measure值达到95.55%以上。试验结果表明本文方法能够有效增强受扫描距离、路面磨损及点密度分布不均等因素影响的点云强度信息,实现不同车载激光扫描获取的复杂道路环境下实线型交通标线的提取。

车载激光点云中交通标线自动分类与矢量化

交通标线是重要的交通安全设施,其位置、属性和拓扑关系精细刻画道路交通结构,是智能交通、高精地图、位置与导航等应用的基础数据。本文提出一种融合空间上下文信息的车载激光点云标线分类图注意力模型(graph attention network with spatial context information,GAT_SCNet)。该模型利用图结构建立标线及其邻接对象的出现和依存关系,基于标线几何、拓扑、空间结构关系构建注意力机制进行节点特征动态更新,通过对节点分类实现标线的精细分类。基于分类后标线,设计不同方案实现对分类后标线提取标线矢量化数据。试验采用4份不同车载激光扫描系统获取的城市与高速场景数据验证本文方法的有效性,试验结果中9类标线分类的准确率分别为100.00%、93.77%、100.00%、100.00%、100.00%、96.73%、97.96%、100.00%、98.39%,召回率分别为100.00%、96.36%、100.00%、100.00%、100.00%、97.26%、85.72%、100.00%、94.16%。结果表明,本文方法能实现道路场景中全尺寸、多类型标线对象的精确识别,并对形状相似标线(如虚线、斑马线和停止线)的区分具有较强稳健性。

融合点云和多视图的车载激光点云路侧多目标识别

城市环境中的行道树、车辆、杆状交通设施是重要的交通地物,也是智能交通,导航与位置服务,自动驾驶和高精地图等行业应用的核心要素。为了准确识别这些路侧目标,本文提出一种融合点云和多视角图像的深度学习模型PGVNet(point-group-view network),充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度。为了减少视图间的冗余信息并增强显著视图特征,PGVNet模型利用预训练的VGG网络提取多视图特征,对其进行分组赋权获取最优视图特征;采用嵌入注意力机制的融合策略,利用最优视图特征动态调整PGVNet模型对点云不同局部关系的注意力度,学习不同路侧目标的多层次、多尺度显著特征,实现行道树、车辆和杆状交通设施的精确分类。试验采用5份不同车载激光扫描系统获取的不同城市场景数据验证本文方法的有效性,其中行道树、车辆及杆状交通设施分类结果中的准确率、召回率、精度和F_(1)指数分别达(99.19%、94.27%、93.58%、96.63%);(94.20%、97.56%、92.02%、95.68%);(91.48%、98.61%、90.39%、94.87%)。结果表明,本文方法融合多视图全局信息和点云局部结构特征可以有效区分城市场景中的行道树、车辆和杆状交通设施,可为高精度地图中要素构建与矢量化提供数据支撑。

采用车载激光雷达的带状地物矢量化与结构特征提取

针对车载激光点云带状地物形状多样、难以用规则语义信息矢量化,以及结构语义信息提取研究较少的问题,提出一种基于Ribbon Snake模型的车载激光雷达带状地物(道路边界、实线型标线、铁轨)矢量化与结构特征提取方法.首先,通过格网剖分构建点云特征图,利用Ribbon Snake模型提取带状地物矢量化数据;然后,分析不同道路和铁路场景的结构特征,生成具有准确几何和拓扑结构信息的三维矢量数据和属性数据.实验表明:该方法能够准确地提取带状地物矢量化与结构信息,实现不同场景下带状地物的有效完整描述.

基于车载激光点云的道路交叉口检测与识别

道路交叉口是道路交通网的重要组成部分,其位置和类型是高精地图、自动驾驶等应用服务的基础数据.目前研究多关注车载激光点云的道路边界提取,较少关注道路交叉口类型识别.为此,本文提出一种基于动态图神经网络的道路交叉口分类方法.首先分析地面超体素的几何和空间分布差异进行提取道路边界点;然后计算道路边界点曲率,利用滑动窗口中曲率差异检测道路交叉口;最后构建动态图神经网络识别出“T”型和“十”型道路交叉口.实验采用两份不同车载激光点云数据验证本文方法的有效性,实验结果表明,该方法能准确检测绝大多数道路交叉口位置及类型.

一种输液器流量调节装置的设计介绍

目前临床上静脉输液使用的输液管流量调节装置是由驱动轮的转动,带动与驱动轮固定连接的滚轴,滚轴在输液管流量调节装置的侧空腔中移动,驱动轮挤压输液管,输液管被压得越扁,输液管中的液体流速越慢。由于驱动轮所处的位置无法确定,所以输液管中每分钟的液滴流量是随机的。为了方便护士能快速准确的调节滴速,我们设计了一种输液器流量调节装置。

一次性护理尿袋设计介绍

尿失禁男性患者,因不能自主排尿或不能自己控制排尿,通常采用各种方式和用具。临床对于男性尿失禁患者多采用一次性尿布、尿垫,留置尿管、保鲜袋接尿、外周接尿器（又称＂阴茎套＂）或矿泉水瓶接尿、自制接尿器等。但相继发生了尿路逆感染、阴茎糜烂、拔管后尿潴留、尿液污染衣物、失禁性皮炎,龟头感染等并发症,使用时也会因不易固定而易脱落、固定过紧引起血运障碍以及无法计量等弊端。为了避免上述弊端，我们设计应用了一次性护理尿袋，并安装压力感受器作为报警提醒（感受器芯片不接触尿液）。现介绍如下：

巨噬细胞亚群在移植后重症肺部感染引发过度炎症中的作用

免疫抑制状态下过度炎症发病机制较复杂,病死率高,是临床常见的移植术后急危重症。巨噬细胞亚群是主要的炎性反应调节细胞,释放大量炎性因子然后间接或直接地参与过度炎症反应过程,导致机体失控的炎性反应,形成恶性循环加重机体损伤。笔者就目前国内外关于巨噬细胞亚群在免疫抑制状态下导致的过度炎症研究情况进行综述。

OH评估方法在老年患者压疮预防方面应用的效果研究

目的探讨OH评估方法在老年患者压疮预防方面的应用效果。方法收集2016年3月～2017年3月期间在本院住院、无自理能力、无带入压疮的老年患者100例,由两位护理人员在患者入院时,分别使用Braden量表和OH评估法对每位患者进行评估,记录评估分值。记录护理人员使用两种评价量表对患者进行评价的耗时有无差异性。结果通过观察分析,两位护理人员使用OH评估量表对同一位患者的压疮风险评估分值基本无差异; OH评估表单评估的用时明显短于Braden评分表,差异有统计学意义(P <0.05); OH评估的风险结果和患者发生压疮风险具有显著的正相关性(P <0.001)。结论 OH评估量表在老年患者早期预防有明显的效果,能减轻护士的工作量,提高护士工作效率。

针剂药品存放盒结构的设计介绍

临床上使用的针剂药剂一般存放在药剂存放盒中,按照护理质控药品管理要求,为了用药的安全,药物取放需要由近期到远期。常规药盒平放且每支针剂之间有间隔的隔断,护士取出最前一支药物后,需要将后面数支针剂依次向前挪动一格,再将新取来的药物放在最后,增加了护士的工作量的同时,也会因反复的拿捏使针剂上的药名等字样变模糊而无法使用。取药时,有时也会发生护士直接从药盒中间取药的情况,导致出现未按药物有效期先后用药和摆放的现象。

网络信息传递方式在糖尿病足培训中的应用

目的探讨网络信息传递方式在糖尿病足培训中的应用效果。方法借助微信平台组建患者群和护士群。在群内推送糖尿病足预防和治疗科普小知识,为患者提供专业的指导,为护士提供答疑解惑平台。抽取微信患者群内样本30人与内分泌科暂未纳入群内的糖尿病患者26人(该类患者由内分泌科护士完成常规宣教)进行比较,了解糖尿病足预防知识的掌握程度有无差异;随机抽取微信护士群中的团队成员12名与内分泌科护士12名共同进行专业理论测试,比较两组成员的差异。结果群内患者在接受过可视知识的指导后,比内分泌病房暂未入群仅接受病区护士健康指导的患者糖尿病足预防知识掌握情况好,差异有统计学意义(P <0.05);群内伤口造口团队护士与内分泌科病房护士在糖尿病足预防理论方面的差异无统计学意义(P> 0.05),但在足病筛查能力方面群内护士优于内分泌科病房护士(P <0.05)。结论网络信息传递方式有利于患者掌握糖尿病足相关知识,有利于提升护士糖尿病足护理知识。

多标记点过程的LiDAR点云数据建筑物和树冠提取

将机载激光扫描点云数据转换成点云特征影像,提出基于多标记点过程的建筑物和树冠目标几何对象的自动提取方法。首先根据目标的几何特征建立吉布斯自由能变模型,通过目标的一致性建立该模型的数据项,通过目标的拓扑性质等空间特性建立该模型的先验项。然后利用可逆跳转马尔可夫蒙特卡洛(RJMCMC)算法进行采样,并采用模拟退火算法进行优化求解,实现建筑物目标和树冠目标几何对象的多目标自动提取。试验结果表明该方法能够从机载激光扫描数据中有效地提取建筑物和树冠,具有较强的稳健型。

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络(DBN)的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。

集成IBeacon室内定位的文化旅游虚拟导览系统

三维虚拟旅游系统通常以提供沉浸式游览体验为主要目的,不能提供关于旅程的信息服务,难以满足用户的个性化需求。为此,提出基于IBeacon低功耗蓝牙通信技术的室内定位方法,在室内文化游览设施中提供室内定位和自动导览功能。该方法基于RSSI测距原理和平面投影的三维空间定位技术,支持通过手机接收IBeacon蓝牙基站发射信号实现快速定位。结合IBeacon室内定位方法与在线三维虚拟旅游系统,形成虚实结合、线上线下一体化的文化旅游虚拟导览系统,为游客提供线上虚拟体验、线下实时定位和基于位置的信息服务。应用结果表明,该系统的室内定位速度较快且精度满足应用要求,可为游客提供良好的旅游体验。